TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ DeepLearning コンピュータ将棋 dlshogi 前回からだいぶ期間が空きましたが、自己対局による強化学習で、教師ありで収束するまで学習したモデルより有意に強くすることができました。前回は、19イテレーションでほぼ互角の強さでしたが、38イテレーションまで自己対局を行うことで有意に強くなりました。 自己対局における探索延長 強化学習の方法は前回までの方法とほとんど同じですが、途中から探索延長を行うように変更しました。 探索延長は、固定回数シミュレーションの結果、1番目に訪問回数が多い手が2番目に訪問回数が多い手の1.2倍未満の訪問回数のときに、シミュレーション回数を1.5倍にするという実装です。 シミュレーション回数を増やすことで、生成される… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2018%2F08%2F26%2F221248" title="将棋AIの進捗 その25(自己対局による強化学習の経過) - TadaoYamaokaの開発日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/T/TadaoYamaoka/20180826/20180826213515.png Hatena Blog https://hatena.blog 2018-08-26 22:12:48 rich https://tadaoyamaoka.hatenablog.com/entry/2018/08/26/221248 1.0 100%